期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
癌症识别中一种基于组合GCM和CCM的分类算法 被引量:5
1
作者 卢新国 林亚平 +1 位作者 骆嘉伟 李丹 《软件学报》 EI CSCD 北大核心 2010年第11期2838-2851,共14页
根据基因表达谱数据的特点,提出了全局分量模型(global component model,简称GCM)和癌症组分量模型(cancer component model,简称CCM)两种癌症识别模型.结合GCM模型和CCM模型的互补性,利用基于权值的投票组合策略提出一种基于组合GCM和... 根据基因表达谱数据的特点,提出了全局分量模型(global component model,简称GCM)和癌症组分量模型(cancer component model,简称CCM)两种癌症识别模型.结合GCM模型和CCM模型的互补性,利用基于权值的投票组合策略提出一种基于组合GCM和CCM的癌症分类算法(ensemble algorithm based on GCM and CCM for cancer recognition,简称EAGC).在Leukemia,Breast,Prostate,DLBCL,Colon,Ovarian这6个数据集上进行了独立测试实验和交叉测试实验.实验结果表明,EAGC有效地综合了GCM和CCM识别模型的解决方案,弥补了单个分类器的不足,具有较好的泛化性,在所有数据集上都取得较好的分类性能. 展开更多
关键词 基因表达谱 癌症识别 全局分量模型 癌症组分量模型
下载PDF
癌症识别中一种基于相关性的分层特征选择方法
2
作者 彭湘华 《湖南工业职业技术学院学报》 2013年第5期14-19,26,共7页
根据基因表达谱数据高维度、小样本、高噪声的特点,提出一种基于相关特征选择(Correlation-based Feature Selection,CFS)的分层抽样的基因特征选择方法(简称CFS-SS)。首先,利用CFS算法提取与分类相关性大的特征基因集,然后通过分层方... 根据基因表达谱数据高维度、小样本、高噪声的特点,提出一种基于相关特征选择(Correlation-based Feature Selection,CFS)的分层抽样的基因特征选择方法(简称CFS-SS)。首先,利用CFS算法提取与分类相关性大的特征基因集,然后通过分层方法构造多层特征子集空间,在部分层空间中寻找最优特征子集。在Leukemia,Colon,Prostate数据集上进行了交叉测试实验.实验结果表明,CFS-SS有效地从不同层次的特征子集样本中可以提取出有价值的基因特征集,在不同的分类器上取得较好的分类性能。 展开更多
关键词 基因表达谱 癌症识别 相关特征选择 分层抽样
下载PDF
基于图自编码器与LightGBM的癌症驱动基因识别系统
3
作者 谢兵 苏波 《计算机系统应用》 2024年第10期87-96,共10页
在癌症的形成和进展中,癌症驱动基因扮演着重要角色.准确识别癌症驱动基因有助于深入理解癌症的发生机制,推动精准医学的发展.针对当前癌症驱动基因识别领域所面临的异质性和复杂性问题,本文设计并实现了一种基于图自编码器与LightGBM... 在癌症的形成和进展中,癌症驱动基因扮演着重要角色.准确识别癌症驱动基因有助于深入理解癌症的发生机制,推动精准医学的发展.针对当前癌症驱动基因识别领域所面临的异质性和复杂性问题,本文设计并实现了一种基于图自编码器与LightGBM的癌症驱动基因识别系统ACGAI.该系统首先以无监督的方式通过图自编码器学习生物分子网络的复杂拓扑结构,随后将生成的嵌入表示与原始基因特征进行拼接,形成基因增强特征并输入至LightGBM.在经过训练后,系统输出生物分子网络上每个基因的预测得分,实现了对癌症驱动基因的准确识别.最终,该系统利用Web技术创建了一套用户友好、交互性强的可视化界面,实现在基因集分析场景中的癌症驱动基因识别,并为识别结果提供了生物学解释.经过测试,该系统表现出优于其他方法的识别性能,能有效识别癌症驱动基因. 展开更多
关键词 图自编码器 LightGBM 深度学习 癌症驱动基因识别 精准医疗
下载PDF
利用协同分类方法识别癌症类型
4
作者 卢新国 陈东 +1 位作者 杜家宜 周娟 《计算机科学》 CSCD 北大核心 2010年第2期232-236,共5页
针对基因表达谱数据的特点提出了全局分量模型(GCM)和癌症组分量模型(CCM)两种癌症识别模型;通过基于权值的投票组合策略提出了一种基于GCM和CCM的协同分类方法(CAGC)来识别癌症类型。在Leukemia,Breast,Prostate,DLBCL,Colon,Ovarian等... 针对基因表达谱数据的特点提出了全局分量模型(GCM)和癌症组分量模型(CCM)两种癌症识别模型;通过基于权值的投票组合策略提出了一种基于GCM和CCM的协同分类方法(CAGC)来识别癌症类型。在Leukemia,Breast,Prostate,DLBCL,Colon,Ovarian等6个数据集上进行了测试实验,结果表明CAGC有效综合了GCM和CCM识别模型的解决方案,具有较好的泛化性。 展开更多
关键词 基因表达谱 癌症识别 全局分量模型 癌症组分量模型
下载PDF
一种基于支持向量数据描述的特征选择算法 被引量:4
5
作者 曹晋 张莉 李凡长 《智能系统学报》 CSCD 北大核心 2015年第2期215-220,共6页
已有基于支持向量数据描述的特征选择方法计算量较大,导致特征选择的时间过长。针对此问题,提出了一种新的基于支持向量数据描述的特征选择算法。新方法的特征选择是通过超球体球心方向上的能量大小来决定且采用了递归特征消除方式来逐... 已有基于支持向量数据描述的特征选择方法计算量较大,导致特征选择的时间过长。针对此问题,提出了一种新的基于支持向量数据描述的特征选择算法。新方法的特征选择是通过超球体球心方向上的能量大小来决定且采用了递归特征消除方式来逐渐剔除掉冗余特征。在Leukemia数据集上的实验结果表明,新方法能够进行快速的特征选择,且所选择的特征对后续的分类是有效的。 展开更多
关键词 支持向量数据描述 特征选择 递归计算 递归特征消除 癌症识别 基因表达
下载PDF
技术
6
《上海科学生活》 2003年第2期2-2,共1页
美国找到植皮新方法;炸弹侦测新技术;
关键词 皮肤移植 虎红琼脂 感染防治 炸弹探测 癌症识别 基因
下载PDF
The roles of toll-like receptors in carcinogenesis and cancer immunotherapy 被引量:1
7
作者 Lei He Lin Zhang +1 位作者 Zhaofeng Li Quan Zhang 《The Chinese-German Journal of Clinical Oncology》 CAS 2010年第2期118-120,共3页
Toll-like receptors (TLRs) are probably the most important class of pattern-recognition receptors. Members of the TLR family play key roles in the both innate and adaptive immune responses. Recognition of pathogen-a... Toll-like receptors (TLRs) are probably the most important class of pattern-recognition receptors. Members of the TLR family play key roles in the both innate and adaptive immune responses. Recognition of pathogen-associated molecular patterns (PAMPs) by TLRs, either alone or in heterodimedzation with other TLR or non-TLR receptors, induces the production of signals that are responsible for the activation of genes important for an effective host defense, especially those of proinflammatory cytokines. Thus, TLRs are involved in the development of many pathological conditions including infectious diseases, tissue damage, and cancer especially. In this review, the contribution of TLRs to tumorgenesis is evaluated. We hope to provide new insight into the progression of cancer and more importantly into the potential for TLRs as targets of therapeutics. 展开更多
关键词 Toll-like receptors SIGNALING CANCER IMMUNOTHERAPY
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部